参数估计3

目录

1.      成对数均值差 置信区间
2.      单个正态总体的样本均值差  置信区间

 

---

一 成对数均值差参数估计

     例 为了检验某种降压药的效果，测试n个病人在服药前后的血压收缩值分别为

         : 第i个病人服药前的血压值，第i个病人服药后的血压值

      由于个人差异，不能把看作同一个正态分布，之间是独立的，也是。

     但，之间是不独立的。

    方法：

     1.1 做差值 

     1.2 把看作同一分布的样本,且相互独立

     1.3  置信区间为

              

              其中：

              

             

 

    例子： 为了评价某种训练方法是否有效，在某个大学随机选取16个学生，经过三个月训练后，训练后成绩差为

,求为95%双侧置信区间

    其中

     X =[189,193,230,210,198,215,234,234,209,220,195,211,228,216,212,231]
     Y = [220,195,234,231,225,228,238,240,221,218,214,236,248,248,230,245]

     解：

# -*- coding: utf-8 -*-
"""
Created on Tue Apr 27 17:45:22 2021

@author: chengxf2
"""

import numpy as np
import scipy.stats as ss
from scipy.stats import norm


'''
    获取分位数值a,t分布和正态分布都是对称函数
Args:
    n: 自由度,t分布才有
    alpha: 累积积分，p(x>a)=alpha
    Ftype: 0:符合正态分布  1： t分布
'''
def GetQuantile(tp=1,alpha=0.025,n=15):
    
    if 1==tp:
        print("\n t 分布",n)
        normt = ss.t(n)
        x = -normt.ppf(alpha)## 累积分布概率计算反函数
    else:
        print("\n 标准正太分布 ")
        x= -norm.ppf(0.025,loc=0,scale=1)
    
    print("\n x %6.3f"%x) 
    return x
    

#np.std(each_acc1, ddof=1)
def D():
    
    X =[189,193,230,210,198,215,234,234,209,220,195,211,228,216,212,231]
    Y = [220,195,234,231,225,228,238,240,221,218,214,236,248,248,230,245]
    
    D =np.array(X)-np.array(Y)
    n = len(D)
    s = np.std(D,ddof=1) #标准差
    
    quantile =GetQuantile(1,0.025,n-1)
    xmean = np.mean(D)
    print("\n D: ",np.mean(D),s,quantile)
    
    low = xmean- (s/np.sqrt(n))*quantile
    up = xmean+ (s/np.sqrt(n))*quantile
    print("\n 下限 %5.3f"%low)
    print("\n 上限 %5.3f"%up)

D()
===============
t 分布 1499

 x  1.962

 分位数 1.9615478106169353

 下限 0.228

 上限 0.272

    

---

二 单个正态总体的样本均值差  置信区间

    总体样本,u,未知，为样本

 为样本均值和样本方差。

   参数估计枢轴量：    

        

        则：

        双侧置信区间为

     

    单侧置信下限为

    

    单侧置信上限位

     

  例： 一批数据随机挑选25个样本，样本方差，求置信度为95%的置信双侧区间，以及单侧置信区间上限。

  解：

        

      

# -*- coding: utf-8 -*-
"""
Spyder Editor

This is a temporary script file.
"""

import numpy as np
import scipy.stats as stats
from  scipy.stats import chi2


'''
获取置信区间
args:
    s: 样本方差
    q: 分位数
    n: 自由度
返回
    置信区间值
'''
def GetQ(s,q,n):
    
    a = s*n/q
    return a

'''
计算卡方分布置信区间
Args
  alpha ：1-alpha 的双侧置信区间
  n: 样本自由度，样本个数
  
'''
def Calc(alpha=0.05,n=25):
    
    s=4.25 #样本方差
    
    up= 1-alpha/2 #概率函数的累积积分
    low = alpha/2 #概率函数的累积积分
    Quantile1 = chi2.ppf(q=up, df=(n-1))#分位数下限
    Quantile2 = chi2.ppf(q=low, df=(n-1)) #分位数上限
    print("\n 下分位数 %4.2f:"%Quantile1,"\t 上分位数%4.2f: "%Quantile2)
    
    Q1 = GetQ(s,Quantile1,n-1)
    Q2 = GetQ(s,Quantile2,n-1)
    
    print("\n 置信区间[ %4.2f"%Q1,"\t  %4.2f]"%Q2)
  
    
Calc()

  

下分位数 39.36:     上分位数12.40: 

 置信区间[ 2.59       8.23]